Explainability-guided transformer-based anomaly screening in agave crops
提出可解释性引导的Transformer模型,用于龙舌兰作物异常筛查。
阅读 0
关键词 · 相关资讯与研究
沿着“作物病害筛查”继续探索,共 1 条内容。
提出可解释性引导的Transformer模型,用于龙舌兰作物异常筛查。
综述AI在植物病害检测中的应用,涵盖图像采集到模型评估全流程及未来趋势。
综述AI(CNN、ViT、无人机遥感、物联网)用于作物病虫害早期检测并融入种植园风险管理。
构建ESP32物联网与CNN结合的植物病害检测及作物咨询系统。
提出基于YOLOv8-MHSA与SAM的网页系统,实现苹果叶片病害多感染阶段实时检测与分级。
研发一款集成播种、喷药、土壤监测与病害识别的智能农业机器人,并通过云平台远程管理。
构建轻量MobileNetV3-Small框架实现玉米叶片病害分类并评估边缘部署。
From Laboratory to Field: Frozen Foundation-Model Features Toward Robust Plant Disease Recognition。Smart Agricultural Technology
上海市农业科学院选育的"中旱3号"是中国南方稻区第一个通过国家审定的旱稻品种,被指定为国家旱稻品种区域试验南方稻区唯一的对照品种;"沪旱3号"是中国南方稻区第一个通过国家审定的粳型旱稻品种。目前累计推广面积已达534.96余万亩,增产稻谷3亿公斤,节约水资源16亿吨,实现经济效益5.89亿元。在一些种植区域,节水可达50%。